一种实现电表数据智能读取的方法技术

本发明专利技术公开了一种实现电表数据智能读取的方法，涉及计算机视觉和图像识别技术领域，根据电表图像的HSV模型相应的色调、饱和度、亮度和边缘检测处理电表图像，再进行形态学处理和联通量处理，并根据处理后的电表图像的数据显示部分区域的固定长宽比，筛除不符合的区域，完成电表图像中的数据区域的定位得到数据图像；然后运用Radon变换对二值化后的所述数据图像进行倾斜矫正等处理获取数据字符图像；最后数据字符图像的提取特征输入到BP神经网络进行识别，从而得到相应的电表数据。本发明专利技术方法易于实现，能够对电表数据快速读取；本发明专利技术得到的数据结果更为快速、准确，便于电表读数人员理解和使用。

A method to realize intelligent reading of ammeter data

【技术实现步骤摘要】
一种实现电表数据智能读取的方法
本专利技术属于计算机视觉和图像识别
，尤其涉及一种实现电表数据智能读取的方法。
技术介绍
《基于神经网络车牌图像识别系统》中，人工神经网络是通过对生物的神经网络的反应机制进行模拟，从而解决复杂问题的一种模型。因为人工神经网络具有同时处理多个复杂事件的能力，学习能力强，误差小，可以进行信息的处理与储存，具有自适应能力。《基于卷积神经网络的车牌识别技术研究》中，卷积神经网络是一种新的人工神经网络，结合了深度学习技术，有局部感受域、全局训练等特点，能够得出原始图像的有效表征。然而，已有的电表数据识别方法都较为复杂，识别过程也较久且识别结果的正确率有待提高。因此，如何设计一个更为快速的、精准的电表数据读取方法是需要解决的问题。
技术实现思路
本专利技术的目的在于提供一种实现电表数据智能读取的方法，从而克服了现有电表数据识别方法都较为复杂，识别过程也较久，且识别结果的正确率的缺点。为实现上述目的，本专利技术提供了一种实现电表数据智能读取的方法，包括以下步骤：S1、获本文档来自技高网...

【技术保护点】
1.一种实现电表数据智能读取的方法，其特征在于：包括以下步骤：/nS1、获取电表图像，根据电表图像的HSV模型相应的色调、饱和度、亮度和边缘检测处理所述电表图像，再进行形态学处理和联通量处理，然后根据处理后的电表图像的数据显示部分区域的固定长宽比，筛除不符合的区域，完成电表图像中的数据区域的定位，得到数据图像；/nS2、运用Radon变换对二值化后的所述数据图像进行倾斜矫正；/nS3、根据所述S2矫正后的图像获取垂直投影，得到直方图，所述直方图有“波峰”和“波谷”，其中，所述“波峰”对应着字符，所述“波谷”为低矮部分，对应字符之间的间距空白；将所述直方图从左到右一次获取每一个“波峰”所对应的区...

【技术特征摘要】
1.一种实现电表数据智能读取的方法，其特征在于：包括以下步骤：
S1、获取电表图像，根据电表图像的HSV模型相应的色调、饱和度、亮度和边缘检测处理所述电表图像，再进行形态学处理和联通量处理，然后根据处理后的电表图像的数据显示部分区域的固定长宽比，筛除不符合的区域，完成电表图像中的数据区域的定位，得到数据图像；
S2、运用Radon变换对二值化后的所述数据图像进行倾斜矫正；
S3、根据所述S2矫正后的图像获取垂直投影，得到直方图，所述直方图有“波峰”和“波谷”，其中，所述“波峰”对应着字符，所述“波谷”为低矮部分，对应字符之间的间距空白；将所述直方图从左到右一次获取每一个“波峰”所对应的区域，从而得到电表图像中的数据字符图像；
S4、构建用于识别数字的BP神经网络，将所述数据字符图像进行特征提取，并将提取的特征通过所述用于识别数字的BP神经网络进行数据识别，得到所述电表图像的电表数据；包括以下步骤：
S41、所述BP神经网络设置为3层网络：输入层、隐含层和输出层，输入层的神经元数目定为20；输出层输出结果有‘0’～‘9’共10个数字，对所述数字编码采用BCD编码，输出神经元数目设定为4；所述隐含层神经元数目设为32；
S42、将标准的字符库中的数字图像经过特征提取，存入P矩阵作为输入矩阵，然后对应的数字的BCD...

【专利技术属性】
技术研发人员：孙乐平，秦丽娟，杨艺云，韩帅，陈卫东，吴宛潞，郭小璇，肖静，林溪桥，吴宁，
申请(专利权)人：广西电网有限责任公司电力科学研究院，
类型：发明
国别省市：广西;45